《自動駕駛行業專題研究報告：十年磨一劍FSD迎來快速列裝期-231204（20頁）.pdf》由會員分享，可在線閱讀，更多相關《自動駕駛行業專題研究報告：十年磨一劍FSD迎來快速列裝期-231204（20頁）.pdf（20頁珍藏版）》請在三個皮匠報告上搜索。

1、請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 2023.12.04 十年磨一劍，十年磨一劍，FSD 迎來迎來快速列裝期快速列裝期 自動駕駛行業專題研究報告自動駕駛行業專題研究報告 吳曉飛吳曉飛(分析師分析師)多飛舟多飛舟(分析師分析師)0755-23976003 010-83939800 duofeizhou026148gtjas.co 證書編號 S0880517080003 S0880523020001 本報告導讀：本報告導讀：近近十十年來，年來，特斯拉自動駕駛軟硬件系統持續進化，特斯拉自動駕駛軟硬件系統持續進化，并并提出眾多引領提出眾多引領智能駕駛智能駕駛行業發展行業發

2、展的新技術，的新技術，我們看好特斯拉我們看好特斯拉 FSD自動駕駛功能自動駕駛功能的不斷發展的不斷發展，未來，未來前景可期。前景可期。摘要：摘要：特斯拉自動駕駛技術進化將加速智駕行業發展，特斯拉自動駕駛技術進化將加速智駕行業發展，維持行業增持評級維持行業增持評級。決策層推薦標的：德賽西威、科博達、均勝電子、華陽集團，受益標的經緯恒潤；執行層推薦標的：伯特利、拓普集團、星宇股份、華域汽車；感知層推薦標的：保隆科技、華依科技，受益標的聯創電子；整車推薦標的：江淮汽車、理想汽車、長安汽車、比亞迪、長城汽車，受益標的賽力斯。硬件持續升級，自研比例與性能不斷提升。硬件持續升級，自研比例與性能不斷提升。從

3、 HW1.0 到即將上車的HW4.0，特斯拉自動駕駛硬件系統不斷提升性能，算力由最初的0.256TOPS 升至 300TOPS+，攝像頭個數與像素持續提升?？v觀特斯拉自動駕駛硬件系統發展史，自研比例持續提升，視覺算法與芯片現已完全由特斯拉自主提供。推出推出 FSD 完全自動駕駛完全自動駕駛，多次迭代引領行業發展，多次迭代引領行業發展。早期特斯拉算法依賴于 Mobileye，后為實現更優秀的自動駕駛轉向自研。2015 年特斯拉著手于完全自動駕駛 FSD 功能的研發，并于 2020 年 10 月向小規模測試用戶推送。FSD 發布以來歷經多次更新，先后實現多任務學習神經網絡架構與 BEV+Trans

4、former 大模型的導入等，逐步確立起行業領先地位。目前特斯拉 FSD 用戶正持續增長，未來市場空間廣闊。FSD 如能如能在國內落地，有望帶動國內智能駕駛行業蓬勃發展。在國內落地，有望帶動國內智能駕駛行業蓬勃發展。我們認為特斯拉 FSD 的逐步成熟與推廣有望提升消費者對于自動駕駛技術的認可度，進而帶動高階智能駕駛需求增長。國內開啟高階智能駕駛試點，未來 FSD 如果進入國內，將成為國內其他車企自動駕駛方案強有力的競爭者，國內自動駕駛高地的角逐將愈發激烈，有利于自動駕駛行業發展蓬勃向上。風險提示：風險提示：汽車智能化發展不及預期的風險；芯片短缺的風險；匯率與貿易摩擦的風險。評級：評級：增持增持

5、 上次評級：增持 相關報告 汽車自主品牌的“戰國時代”2023.12.04 汽車華為車鏈預期再起，重心在邊際變化賽道 2023.12.03 汽車交易重心在自動駕駛、特斯拉和小米鏈 2023.11.26 汽車華為智能汽車業務有望更進一步 2023.11.26 汽車自動駕駛預期再起，小米汽車值得期待 2023.11.20 行業專題研究行業專題研究 股票研究股票研究 證券研究報告證券研究報告 汽車汽車 行業專題研究行業專題研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 2 of 20 目目 錄錄 1.特斯拉自動駕駛軟硬件系統持續進化.3 1.1.硬件：HW1.0 到 HW4.

6、0，自研比例與配置性能不斷提升.3 1.2.軟件：Autopilot 共有三款產品，對應不同售價與功能.7 1.2.1.由 AP 到 FSD，完全自動駕駛技術愈發成熟.9 2.投資建議.18 3.風險提示.19 rUgUbWpXnYpWaXvXvXnUaQaO6MsQqQmOtQiNqRtRkPnNpR9PqRnPvPmOmNxNqQoN 行業專題研究行業專題研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 3 of 20 1.特斯拉自動駕駛特斯拉自動駕駛軟硬件軟硬件系統系統持續進化持續進化 歷經十年，歷經十年，特斯拉自動駕駛特斯拉自動駕駛軟硬件軟硬件系統系統不斷進化不斷

7、進化。2013 年，馬斯克于推特披露特斯拉正在進行輔助駕駛系統 AP（Autopilot System）的研發，特斯拉自動駕駛之路開啟；2014 年 10 月，特斯拉基于與 Mobileye 的深度合作，推出首款自動駕駛軟硬件系統 HW 1.0 與 AP1.0；2015 年 4 月，特斯拉組建軟件算法小組 Vision，算法開發由第三方供應轉向自研；2016年 7 月，特斯拉宣布結束與 Mobileye 的合作；2016 年 10 月，特斯拉自動駕駛軟硬件系統 HW 2.0 與 AP2.0 發布，計算平臺基于英偉達 Drive PX 2；2017 年 8 月，特斯拉將 HW 2.0 更新升級為

8、 HW 2.5，底層算力與冗余能力均有提升。2019年3月，特斯拉推出基于自研芯片FSD 的 HW 3.0，其為特斯拉發布的首個支持完全自動駕駛 FSD（Full Self-Driving）功能的硬件系統；2020 年 10 月，特斯拉向小批量早期測試者推送 FSD Beta V6.0 版本，FSD 功能首上車；2022 年 11 月，FSD 功能全面向北美用戶開放。目前特斯拉在研的最新自動駕駛硬件系統已迭代至 HW 4.0，搭載FSD 二代芯片，FSD 經過多次進化即將升級至 Beta V12.0 版本（已開放員工推送）,預計不久的將來兩者將正式對外發布。圖圖 1 1：歷經十年，特斯拉自動駕

9、駛系統軟硬件不斷進化歷經十年，特斯拉自動駕駛系統軟硬件不斷進化 數據來源：特斯拉、蓋世汽車、國泰君安證券研究 1.1.硬件：硬件：HW1.0 到到 HW4.0，自研比例，自研比例與與配置性能不斷提升配置性能不斷提升 HW1.0：依賴于依賴于 Mobileye 視覺算法視覺算法與底層芯片。與底層芯片。特斯拉首代自動駕駛硬件系統 HW1.0 基于 Mobileye 單芯片 EyeQ3 計算平臺，算力為0.256TOPS，系統配套組件包括：1）.1 個 Mobileye EQ3 系列前置單目攝像頭，布置于后視鏡附近；2）.1 個博世 77G Hz 毫米波雷達，最遠探測距離 160 米；3）.12 個

10、中程超聲波傳感器，最遠探測距離 5 米；4.）高精度電子輔助制動與轉向系統。特斯拉 HW1.0 基于與 Mobileye 的深度合作，其中底層芯片與視覺算法技術均來自于 Mobileye，特斯拉僅負責多傳感器融合與應用層軟件開發。2014 年-2016 年期間，HW1.0 先后列裝于 Model S 與 Model X 車型。行業專題研究行業專題研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 4 of 20 圖圖 2：基于基于 Mobileye 視覺算法與底層芯片的視覺算法與底層芯片的 HW1.0 圖圖 3：HW 1.0 配套組件配套組件包括包括攝像頭、毫米波雷達等攝像

11、頭、毫米波雷達等 數據來源：有駕 數據來源：博客園 HW2.0：基于基于定制的定制的英偉達英偉達計算平臺計算平臺 Drive PX 2。特斯拉第二代自動駕駛硬件系統 HW2.0 基于定制的英偉達 Drive PX 2 計算平臺，算力約為HW1.0 的 40 倍，達到 12TOPS。配套組件方面，HW2.0 搭載 8 個可實現 360 度環視視角的 120 萬像素攝像頭，包括 1 個前視三目攝像頭，2個后視側面攝像頭，2 個前視側面攝像頭，1 個后視攝像頭，供應商為Aptina。此外，HW2.0 與 HW1.0 一樣，同樣配置了 1 個博世 77G Hz 毫米波雷達與 12 個超聲波傳感器（由中

12、程升級為遠程）。HW2.0 由特斯拉與英偉達共同開發，其中英偉達提供計算平臺與開發工具，特斯拉負責圖像識別算法、多傳感器融合與應用層軟件開發等工作。2016 年 10 月起，特斯拉售出的所有汽車均有配置 HW2.0。圖圖 4 4：HW 2.0 配置攝像頭數量提升至配置攝像頭數量提升至 8 個個 數據來源：博客園 英偉達英偉達 Drive PX 2 計算平臺計算平臺：2015 年 1 月英偉達推出（半）自動駕駛汽車的初始開發平臺 Drive PX；2016 年 1 月英偉達在 CES 上推出了增強版 Drive PX 2，該平臺基于通用的 GPU 架構，可實現卷積神經網絡（CNN）的應用。行業專

13、題研究行業專題研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 5 of 20 圖圖 5 5：英偉達英偉達 Drive PX 2 計算平臺計算平臺具備深度學習優勢具備深度學習優勢 數據來源：英偉達 為實現為實現自動駕駛性能的進一步提升，特斯拉開始自研自動駕駛性能的進一步提升，特斯拉開始自研 FSD 芯片。芯片。盡管英偉達 Drive PX 2 計算平臺在當時的自動駕駛領域已處于領先地位，但特斯拉仍認為其基于通用 GPU 架構的設計并不能最大限度滿足自動駕駛功能需求，系統運行速度還可以通過設計優化進行提升。因此，2016年特斯拉在發布 HW2.0 的同時開始了 FSD 自研

14、芯片的開發，并陸續從AMD 引入大量芯片人才。HW2.5：冗余性與可靠性獲得提升。冗余性與可靠性獲得提升。2017 年 7 月特斯拉對 HW2.0 進行更新，業內稱更新版本為 HW2.5。該次更新主要對系統的冗余性與可靠性進行了提升，并新增行車記錄儀與哨兵模式功能。具體組件變動為：1）.前置/側置攝像頭從 RCCC 濾鏡換成了 RCCB濾鏡，攝像頭的色彩分辨能力提升。2）.毫米波雷達由博世 77G Hz 中距離雷達替換為大陸長距離雷達 ARS410。3）.計算平臺增加了 1 個 Parker 處理芯片。4）.采用了雙線纜通信使線控系統冗余性增強。圖圖 6：HW2.0 擁有擁有 1 顆顆英偉達英

15、偉達 Parker 處理芯片處理芯片 圖圖 7：HW2.5 擁有擁有 2 顆顆英偉達英偉達 Parker 處理芯片處理芯片 數據來源：Autolab 數據來源：Autolab HW3.0：首次采用自研芯片，支持首次采用自研芯片，支持 FSD 功能實現。功能實現。特斯拉 HW3.0 又稱FSD Computer，其拋棄了 HW2.5 的英偉達/英飛凌（SOC+MCU）底層芯片組合，轉為裝載自研 FSD 芯片。與 HW2.5 相比，HW3.0 在性能和成本上都有較大提升，可支持 FSD 功能。根據特斯拉數據，FSD 算力達到 144TOPS，每秒可處理圖片 2300 張，而 HW 2.5 每秒處理

16、能力僅為 110 張，性能提升 21 倍；FSD 的成本相對于 HW 2.5 下降了 20%。配套組件方面，HW3.0 與 HW2.5 完全一致，仍采用 8 個可環視攝像頭+1 個大陸毫米波雷達+12 個超聲波傳感器方案。結構布局方面，HW3.0 將駕駛輔助硬件和娛樂系統硬件集成在同一控制器中，但電路設計未實現高度集成，兩項功能分別基于獨立的電路板。在 HW3.0 研發過程中，特斯 行業專題研究行業專題研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 6 of 20 拉負責了全套芯片設計、圖像識別算法、多傳感器融合與應用層軟件開發等多項工作，自研比例再次提升。圖圖 8 8

17、：HW3.0 首次采用自研首次采用自研 FSD 芯片，支持芯片，支持 FSD 功能功能 數據來源：搜狐汽車 FSD 芯片：芯片：FSD 芯片采用三星 14nm FinFET CMOS 工藝，在 260mm2的硅片上集成了約 60 億個晶體管，組成 2.5 億個邏輯門電路，芯片封裝尺寸 37.537.5mm，底座采用 FCBGA 設計，整體設計符合 AEC-Q100汽車質量標準。FSD 芯片主要由 CPU、GPU 和 NNA（神經網絡加速單元）三個計算模塊，以及各種接口，片上網絡等組成，其中 CPU 由三組四核 ARM Cortex-A72 架構組成，主頻 2.2GHz，主要用于通用的計算和任務

18、，GPU 支持 16/32 位浮點運算，算力為 600GFlops，主要用于輕量級的后處理任務，NNA 包括 2 個 NPU（神經網絡處理器），每個 NPU都封裝了 32MB 的 SRAM。HW3.0 中搭載了兩顆 FSD 芯片，在行駛過程中，兩顆芯片將分別對傳感器收集到的數據進行獨立處理，并進行結果平衡、仲裁和驗證，自動駕駛功能的可靠性得到提升。圖圖 9：FSD 芯片擁有芯片擁有 CPU、GPU、NNA 等等模塊模塊 圖圖 10：HW3.0 中搭載了兩顆中搭載了兩顆 FSD 芯片芯片，冗余性強，冗余性強 數據來源：特斯拉 數據來源：特斯拉 HW4.0：即將發布，配置將有較大升級。即將發布，配

19、置將有較大升級。根據外媒拆解報告，HW4.0 采用 FSD 二代芯片，預計算力高于 300TOPS，內部 CPU 的內核從 12 個增加到 20 個，最大頻率為 2.35GHz，低功耗頻率為 1.37GHz；TRIP 內核數量從 2 個增加到 3 個，最大頻率 2.2GHz。配套組件方面，HW4.0 的主板攝像頭接口為 12 個，其中 1 個為備用，即車載攝像頭或由原先的 8個提升至 11 個，前置攝像頭像素也有望提升至 500 萬。此外，HW4.0主板增加了 4D 毫米波雷達接口（代號 Phoenix），但未配置超聲波雷達。行業專題研究行業專題研究 請務必閱讀正文之后的免責條款部分請務必閱讀

20、正文之后的免責條款部分 7 of 20 圖圖 11：HW4.0 采用采用 FSD2.0 芯片芯片，算力大幅提升算力大幅提升 圖圖 12：HW4.0 的主板攝像頭接口的主板攝像頭接口增加至增加至 12 個個 數據來源：搜狐汽車 數據來源：搜狐汽車 表表 1 1：由由 HW1.0 到到 HW4.0，性能配置不斷提升，性能配置不斷提升 HW1.0 HW2.0 HW2.5 HW3.0 HW4.0（預測）（預測）攝像頭 1 顆 EQ3 前置單目攝像頭 8 顆可形成360 度環視視角的 Aptina攝像頭（120 萬像素）11 顆攝像頭（前置 500 萬像素）毫米波雷達 1 個博世 77GHZ 毫米波雷達

21、（160m）1 個大陸毫米波雷達ARS410（170m）（后取消）1 個 4D毫米波雷達 超聲波雷達 12 個超聲波雷達（5m）12 個超聲波雷達（8m）（后取消）取消 芯片 Mobileye 單芯片EyeQ3 1 個英偉達 Parker SOC,1 個英偉達 Parker Pascal GPU,1個英飛凌TriCore MCU 2 個英偉達 Parker SOC,1 個英偉達 Parker Pascal GPU,1 個英飛凌TriCore MCU 2 顆 FSD 芯片 2 顆 FSD2.0 芯片 算力 0.256TOPS 12TOPS 12TOPS 144TOPS 300TOPS+每秒處理幀

22、數 36 110 110 2300/電源 單電源 單電源 冗余電源 冗余電源 冗余電源 資料來源：搜狐汽車、蓋世汽車、特斯拉、國泰君安證券研究 注：2021 年 5 月與 2022 年 10 月起，特斯拉開始從車輛配置（HW3.0）中移除毫米波雷達與超聲波傳感器，轉為純視覺方案，根據拆解報告，HW4.0 增加了 4D 毫米波雷達接口，但未配置超聲波雷達。1.2.軟件：軟件：Autopilot 共有三款產品，對應不同售價與功能共有三款產品，對應不同售價與功能 目前特斯拉自動駕駛軟件 Autopilot 共有三款產品，對應不同售價與功能，分別為 BAP（基礎版輔助駕駛），EAP（增強版輔助駕駛），

23、FSD（完全自動駕駛）。BAP（Basic Autopilot）：）：該自動駕駛軟件為特斯拉車型標配，包括自適應巡航和車道保持功能。EAP（Enhanced Autopilot）：）：在 BAP 功能基礎上增加了打燈自動變道、高速 NOA、智能召喚和自動泊車等功能，非車型標配，購買方式為一次性購買，美國售價 6000 美元，國內售價 3.2 萬元。FSD（Full Self-Driving）：特斯拉為實現完全自動駕駛提供的增值軟件產品，目前 FSD 尚未達到完全自動駕駛，但未來將通過 OTA 升級逐步實現。目前 FSD 仍處于測試 Beta 版本，現有功能包括 EAP 智駕功能與 行業專題研究

24、行業專題研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 8 of 20 信號燈識別、市區高速領航 NOA 等。FSD 購買方式有訂閱（僅適應于美國地區）與一次性購買兩種，其中訂閱費用為 199 美元/月（未購買EAP）與 99 美元/月（已購買 EAP），一次性購買費用為 1.2 萬美元，國內售價 6.4 萬元。當前國內地區雖可以購買 FSD，但無法使用全部功能（僅 EAP 智駕功能可用），預計 FSD 在不久的將來落地國內。表表 2 2：FSD 不斷升級帶來不斷升級帶來價格持續提升，價格持續提升，但近期有所下調但近期有所下調 時間時間 北美北美 FSD售價（售價（$）

25、2016 年 10 月-2019 年2 月 3000 2019 年 2 月-2019 年8 月 6000 2019 年 8 月-2020 年6 月 7000 2020 年 6 月-2020 年10 月 8000 2020 年 10 月-2022 年1 月 10000 2022 年 1 月-2022 年9 月 12000 2022 年 9 月-2023 年9 月 15000 2023 年 9 月-至今 12000 資料來源：特斯拉、國泰君安證券研究 注：2019 年 4 月前 FSD 以 EAP 增值功能的形式進行售賣。2021 年 7 月 FSD 推出訂閱服務。圖圖 13：特斯拉特斯拉 Aut

26、opilot 三款產品的售價與功能不同三款產品的售價與功能不同（國內）（國內）數據來源：車主指南網 行業專題研究行業專題研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 9 of 20 FSD 在法律層面在法律層面仍屬于仍屬于 L2+級級輔助駕駛，駕駛員輔助駕駛，駕駛員將將承擔主要承擔主要事故事故責任。責任。美國國家公路交通安全管理局（NHTSA）認為特斯拉 Autopilot 與 FSD并不是完全自動駕駛技術，而屬于駕駛員輔助系統，因其操作細則上明確表示駕駛員需要將雙手放在方向盤上，眼睛需始終盯向路面。因此目前特斯拉汽車在美國發生交通事故時駕駛員仍將承擔主要事故責任。1

27、.2.1.由由 AP 到到 FSD，完全自動駕駛技術愈發成熟，完全自動駕駛技術愈發成熟 AP1.0:特斯拉特斯拉首款首款自動駕駛自動駕駛軟件軟件。2014 年 10 月，AP1.0 與 HW1.0 一同上車，其核心視覺算法來自于 Mobileye，智能駕駛等級為 L2，具備 OTA持續升級能力。2014 年-2016 年期間，特斯拉 AP1.0 不斷進化，先后增加車道保持、速度提示、自適應巡航、防碰撞預警、自動轉向、側方位泊車、自動出庫等功能。表表 3 3：2014 年年-2016 年期間年期間特斯拉特斯拉 AP1.0 不斷進化不斷進化 更新時間更新時間 AP1.0 更新內容更新內容 2014

28、 年 10 月 所有特斯拉車型上開始安裝自動輔助駕駛 AP1.0 2014 年 11 月 開啟車道保持功能和速度提示功能 2014 年 12 月 開啟自適應巡航和防碰撞預警功能 2015 年 3 月 開啟緊急自動剎車和盲點監測功能 2015 年 10 月 開啟自動轉向和側方位泊車功能 2016 年 1 月 開啟倒車入庫、自動出庫和彎道速度控制功能 資料來源：特斯拉、國泰君安證券研究 與與 Mobileye 分道揚鑣分道揚鑣，特斯特斯拉自研之路開啟拉自研之路開啟。經過一段時間合作，特斯拉逐漸意識到 Mobileye 的算法十分依賴于自身擁有的行車大數據，而Mobileye 卻無法滿足特斯拉對于自

29、動駕駛算法快速迭代的要求，這就使得特斯拉進行算法自研的意愿愈發強烈。2015 年 4 月，特斯拉組建軟件算法小組 Vision，自此開始積累算法自研經驗。2016 年 5 月，美國加利福尼亞州一輛開啟 Autopilot 的特斯拉 Model S 發生交通事故，特斯拉與Mobileye 對于事故責任的認定產生爭執，進而成為兩者合作破裂的導火索。2016 年 7 月，特斯拉宣布結束與 Mobileye 的合作。圖圖 14：特斯拉特斯拉 Autopilot 交通事故交通事故現場示意圖現場示意圖 數據來源：42 號車庫 AP2.0：早期效果較差，但后續早期效果較差，但后續通過多次更新實現優化通過多次

30、更新實現優化。隨著 2016 年HW2.0 問世，特斯拉自研的 AP2.0 同步發布。因結束與 Mobileye 合作，行業專題研究行業專題研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 10 of 20 且特斯拉視覺感知技術尚不成熟，起初 AP2.0 的體驗效果弱于 AP1.0，但隨 2017 年特斯拉對 AP2.0 進行了 8.1 版本重大更新，AP2.0 增加了十多個主動安全類功能，車輛控制也更加平滑，AP2.0 的體驗效果開始逐步優于 AP1.0。伴隨著 AP2.0 的推出，特斯拉也同步發布了增值服務增強版自動輔助駕駛包（EAP）與完全自動駕駛包（FSD），軟硬

31、分離的自動駕駛收費模式確立。其中 FSD 因尚未開發完成，處于期權狀態。特斯拉特斯拉前期算法前期算法基于傳統神經網絡基于傳統神經網絡 RNN 和和 CNN，采用單采用單 Head 架構，架構，多多任務任務運行運行效率低。效率低。早期的自動駕駛算法基于傳統神經網絡 RNN 和 CNN，遵循 Input-Backbone-Neck-Head-Output 的運行邏輯，其中主干網絡 Backbone 為特征提取網絡，主要用于識別圖像中的多個對象，Neck主要負責提取更為精細的特征，Head 則是在特征提取后進行檢測，提供輸入的特征圖表示，比如檢測對象，實例分割等。在發展早期，視覺神經網絡通常只有一個

32、 Head，這就導致算法完成多項任務時效率較低，例如在車輛行駛過程中或面臨車道線檢測、人物檢測與追蹤、信號燈檢測同時進行的情況，而傳統網絡架構算法很難做到高效處理。圖圖 15：單單 Head 架構架構完成多項任務時效率較低完成多項任務時效率較低 圖圖 16：自動駕駛自動駕駛過程中過程中需要對多個任務進行處理需要對多個任務進行處理 數據來源：特斯拉 數據來源：汽車之心 特斯拉前期算法采用特斯拉前期算法采用 IPM+CNN/RNN 技術技術實現實現 3D 感知，感知，精確精確度較差度較差。傳統攝像頭收集到的數據是 2D 圖像，但自動駕駛車輛面對的現實世界是 3D 的，因此需將 2D 圖像數據通過模

33、型分析融合后升維至 3D，以賦予自動駕駛車輛更可靠的感知能力。對此，行業里早期的處理方式為采用 CNN/RNN+IPM 技術實現 3D 視角繪制，但此方案對于成像環境的要求較高，且 CNN+RNN 神經網絡下的 2D 至 3D 數據處理精度較差，經常導致轉換出來的 3D 場景與實際場景失真。行業專題研究行業專題研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 11 of 20 圖圖 17：通過通過 IPM 實現實現 2D 到到 3D 坐標轉換坐標轉換 數據來源：CSDN 特斯拉前期訓練依靠人工標注。特斯拉前期訓練依靠人工標注。行業內早期的自動駕駛數據挖掘基于規則或監督學習

34、，多采用人工標注方式，存在成本高，精度差，一致性低等問題。特斯拉早期標注方式為委托第三方公司進行人工標注，后成立自建標注團隊，成員人數最高超過 1000 人。2018 年特斯拉推出年特斯拉推出 HydraNet（九頭蛇）（九頭蛇）多任務多任務神經網絡架構神經網絡架構，運行效，運行效率提升率提升。HydraNet 系特斯拉研發的多任務學習神經網絡架構，屬于Multi-Head 架構，多 Head 的布局使算法具備了多頭任務處理能力。此外，HydraNet 能夠減少重復的卷積計算，減少主干網絡計算數量，還能夠將特定任務從主干中解耦出來，進行單獨微調，算法運行效率大幅提升。圖圖 18：特斯拉于特斯拉

35、于 2018 年推出年推出 HydraNet 多任務神經網絡架構多任務神經網絡架構 數據來源：特斯拉 FSD：特斯拉早于 2015 年便著手 FSD 功能的實現，2016 年 FSD 作為特斯拉 EAP 增值服務進行預售，2017 年 FSD 芯片設計完成。2019 年 3 月，特斯拉推出基于自研芯片 FSD 的 HW 3.0，為 FSD 功能的實現提供了硬件基礎。2019 年 4 月，特斯拉將 FSD 以單獨的功能進行出售。除硬件方面，FSD 功能的實現也需要依托算法的進化，但 2020 年前，特斯拉基于傳統神經網絡的算法能力并不出眾，感知問題頻出，特斯拉完全自動駕駛的實現遇到了較大阻礙。行

36、業專題研究行業專題研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 12 of 20 圖圖 19：2020 年前特斯拉基于傳統神經網絡的感知年前特斯拉基于傳統神經網絡的感知算法算法問題頻出問題頻出 數據來源：特斯拉 2020 年特斯拉對年特斯拉對 FSD 底層底層軟件軟件與訓練方式與訓練方式進行重構進行重構，算法性能迎來質，算法性能迎來質變變。2020 年 8 月，馬斯克在推特上發文稱，Autopilot 團隊正對軟件的底層代碼進行重寫和深度神經網絡重構。2021年與2022年特斯拉AI Day上 AP 團隊陸續披露了相關重大突破與進展，其中主要包括：1）.2020年數據

37、由人工標注轉向自動標注；2）.2021 年引入 BEV+Transformer 大模型；3）.2021 年引入時序數據；4）.2022 年引入占用網絡技術；5.）2022 年發布超級計算機 Dojo。1.BEV+Transformer 大模型大模型使搭建高精度使搭建高精度 3D 感知模型成為可能感知模型成為可能。2021年特斯拉發布基于 BEV+Transformer 的感知算法架構。BEV 即鳥瞰圖，BEV 感知策略的實現方式是通過多個攝像頭（或輔以激光雷達、毫米波雷達等）獲得全方位視角圖像，再通過共享 2D 特征提取器對不同攝像頭獲取的畫面進行重建、拼接，最終形成 3D 全局視角。與傳統

38、IPM 技術下的后融合策略不同，BEV 感知策略借用統一的 BEV 空間實現了特征級融合，數據失真率低，感知準確率更強。Transformer 是一種基于自注意力的深度學習模型，該模型并不像 CNN+RNN 通過串行順序處理數據，而是通過自注意力集中機制捕捉序列中不同元素的相關性，更適應BEV 感知下的數據融合與處理。圖圖 20：BEV 感知策略可形成感知策略可形成 3D 全局視角全局視角 圖圖 21：通過通過 Transformer 實現實現 BEV 空間轉換空間轉換 數據來源：焉知汽車 數據來源：九章智駕 行業專題研究行業專題研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條

39、款部分 13 of 20 圖圖 22：2021 年特斯拉發布基于年特斯拉發布基于 BEV+Transformer 的感知算法架構的感知算法架構 數據來源：特斯拉 基于基于 BEV與與 Transformer的深度學習能賦予的深度學習能賦予 FSD更強的更強的 3D感知能力感知能力，并可擺脫對高精地圖的依賴并可擺脫對高精地圖的依賴。具體實現方式為：通過多個攝像頭形成環視圖像，并在 BEV 空間內初始化特征，再通過多層 Transformer 和 2D特征進行交互融合，最終實現 BEV 特征。BEV 與 Transformer 結構使高準確率的 3D 視角成像成為可能，大幅提升了 FSD 的感知能

40、力。此外，通過 BEV 空間的搭建可以形成以車為中心的坐標系，實時繪制出高精度空間地圖，再結合眾包模式實現遮擋缺失道路信息補齊，FSD 便可擺脫對高精地圖的依賴。圖圖 23：BEV+Transformer 感知算法架構賦予感知算法架構賦予 FSD 更強的更強的 3D 感知能力感知能力 數據來源：汽車之心 2.時序數據時序數據為為 FSD 增加增加了“記憶”，了“記憶”，可用于可用于預測遮擋信息預測遮擋信息等等。2021 年特斯拉在 BEV 感知模型中加入 Video Netural Net，引入時序數據。引入時序數據后，FSD 算法將使用視頻片段，而不是圖像來訓練神經網絡，因此可以通過先前時間

41、段的數據特征推算當前場景下可能性最大的結果，進而解決遮擋物體運動預測、交通指示牌記憶等問題。行業專題研究行業專題研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 14 of 20 圖圖 2424：特斯拉通過引入特斯拉通過引入時序數據為自動駕駛增加了“記憶”時序數據為自動駕駛增加了“記憶”數據來源：特斯拉 3.引入占用網絡引入占用網絡使使感知感知算法算法的的泛化能力泛化能力大幅大幅提升提升。2022 年特斯拉引入占用網絡對 BEV 感知進行了升級。傳統自動駕駛算法依照先識別判斷，后決策的運行邏輯處理障礙物，這就導致在面對未訓練過的物體出現時，算法無法進行有效檢測。相比之下，

42、占用網路技術（Occupancy）僅通過體素(3D 圖像體素對應 2D 圖像像素點)概念判斷空間是否被占用，而并不去識別障礙物是什么、這就顯著增強了 FSD 的感知泛化能力，使FSD 應對 Corner case 時更加得心應手。圖圖 2525：通過引入：通過引入占用網絡占用網絡技術提高技術提高 FSD 應對應對 Corner case 的能力的能力 數據來源：特斯拉 4.自動標注顯著提升了自動標注顯著提升了數據處理速度與精度數據處理速度與精度，成本成本大幅下降。大幅下降。2020 年特斯拉研發并使用了數據自動標注系統，其原理為將車輛收集到的路面信息打包上傳至服務器，由大模型進行預測性標注后反

43、饋到車端傳感器，由于傳感器視角不同，當預測標注結果在所有傳感器均一致時自動標注成功。特斯拉通過大模型預訓練方式的自動標注大幅提高了標注效率，成本也顯著降低。行業專題研究行業專題研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 15 of 20 圖圖 2626：自動標注成本較人工標注成本顯著下降自動標注成本較人工標注成本顯著下降 數據來源：毫末智行 5.超級計算機超級計算機 Dojo 充分應用大量行車數據。充分應用大量行車數據。2022 年特斯拉發布超級計算機 Dojo，其主要功能為利用海量的數據，做無人監管的自動標注和仿真訓練。Dojo 基于特斯拉自研的 AI 訓練芯片

44、D1，該芯片采用了 7nm工藝制程，擁有 500 億個晶體管和 354 個訓練節點。Dojo 內部共由 25顆 D1 芯片組成，可以提供高達 36TB/s 的帶寬和 9PetaFLOPS 的算力。2023 年 7 月，Dojo 進入投產階段。預計未來 Dojo 將憑借高算力、高穩定性、高拓展力等特點幫助特斯拉 FSD 實現高效的自動標注和仿真訓練，算法迭代加速。圖圖 27：Dojo 是全球是全球算力算力領先的領先的超級計算機超級計算機 圖圖 28：預計預計 Dojo 算力規模算力規模在在 2024 年突破年突破 100EFlops 數據來源：蓋世汽車 數據來源：特斯拉 移除毫米波移除毫米波/超

45、聲波雷達，超聲波雷達，走向走向純視覺方案。純視覺方案。2021 年 5 月與 2022 年 10月，特斯拉先后從車輛配置中移除毫米波雷達與超聲波傳感器，正式走上純視覺方案，其主要原因為特斯拉認為既然人類能夠利用眼睛和大腦駕駛汽車，那么只要給汽車配置相應性能的視覺設備與運算系統，汽車自動駕駛能力就不會弱于人類駕駛員。此外，純視覺方案大幅降低了自動駕駛硬件的成本，有助于實現更好的銷量，而銷量的提升將幫助特斯拉收集到更多行車數據，算法迭代速度提升，進而使特斯拉迅速取得自動駕駛行業領先地位。行業專題研究行業專題研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 16 of 20 F

46、SD 發布以來功能發布以來功能持續持續豐富豐富，V12 發布在即。發布在即。隨著硬件層面的背書，算法層面的不斷革新，FSD 自發布以來成熟度不斷提升，功能逐漸豐富。自2020年10月特斯拉首次向小批量早期測試者推送 FSD Beta V6.0起，特斯拉 FSD 歷經了多次版本更新，目前最新版本 FSD Beta V12 已向特斯拉內部員工開啟推送，預計其將在不久的將來正式發布。表表 4 4：FSD 公測以來歷經多次重大更新公測以來歷經多次重大更新 發布發布時間時間 版本版本 更新內容更新內容 2021 年 7 月 FSD Beta V9.0 重構底層算法，確立純視覺方案并新增城市場景 2021

47、 年 10 月 FSD Beta V10.3.1 修復重大漏洞及AEB誤判等 2021 年 11 月 FSD Beta V10.4 升級道路中緊急車輛監測網絡 2022 年 4 月 FSD Beta V10.11 升級自回歸解碼器，使用Transformer 直接預測車道，進而實現預測變道 2022 年 5 月 FSD Beta V10.12.2 改進無保護左轉、高流量交通以及復雜路口通行，提高最高時速至 85 英里。2023 年 4 月 FSD Beta V11.3 在高速公路上啟用FSD，統一了公路與非公路的視覺和規劃堆棧 2023 年 5 月 FSD Beta V11.4.1 進行了重大

48、架構改進，改善了了切入控制能力等 2023 年 6 月 FSD Beta V11.4.3 將車道信息引入占用網絡模型，改進轉彎平滑度等 2023 年 7 月 FSD Beta V11.4.6 改進 AEB，被占用網絡檢測的物體都將激活自動制動系統 資料來源：特斯拉、國泰君安證券研究 FSD V12 將完全實現端到端大模型將完全實現端到端大模型，車輛行駛車輛行駛將將更更具擬人化具擬人化。2022 年 5月馬斯克稱 FSD V12 版本將完全實現端到端。端到端大模型是將傳統自動駕駛算法的感知、決策規劃、控制等環節融合的一體化模型，其能把傳感器收集到的信息直接輸入到統一的深度學習神經網絡中，處理后直

49、接生成駕駛命令。端到端方案用一個大模型實現了原先模塊化架構下多個小模型的功能，一方面避免了原先多模塊下“流水線”工作導致的誤差累積，另一方面，端到端模型能做到更好地集中資源，實現功能聚焦，因為研發人員僅需對一個模型進行訓練與優化即可，省去了大量繁瑣工作。與現版本相比，基于實現完全端到端的 FSDV12 消除了超過 30萬條控制車輛 FSD 功能的代碼，并首次通過神經網絡控制轉向、加速和制動。FSD V12 的決策將在黑盒狀態下進行，這與人腦的運行機制更為貼近，駕駛決策行為將更具擬人性。我們預計 FSD V12 版本的運算速度與安全性將較以往顯著提升。圖圖 2929：端到端的自動駕駛端到端的自動

50、駕駛優點眾多，優點眾多，是未來發展趨勢是未來發展趨勢 數據來源：智駕最前沿 FSD 北美北美滲透率滲透率預計已突破預計已突破 25%。截止 2022 年 Q3，特斯拉 FSD 全球 行業專題研究行業專題研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 17 of 20 滲透率約為 7.4%，其中北美地區滲透率最高，達到 14.3%，截止 2023年 1 月，特斯拉北美地區用戶數量突破 40 萬，較 2022 年 12 月的 28.5萬提升了近 40%，截止 2022 年底，特斯拉北美地區累計銷量約為 152萬輛，以此推算出特斯拉 FSD 北美地區滲透率已突破 25%。FS

51、D 在不同車型上的滲透率差別較大，截止 2022 年 Q3，高價車型 Model S/X 的FSD 滲透率已接近 45%，而 Model 3/Y 的 FSD 滲透率僅為 3.1%/6.5%，預計主要原因為 Model S/X 車主通常較 Model 3/Y 車主更富有，且多為特斯拉忠實用戶，因此更愿意為額外的 FSD 增值服務買單。圖圖 30：截止截止 2022 年年 Q3，FSD 全球滲透率約為全球滲透率約為 7.4%圖圖 31：Model S/X的的 FSD滲透率滲透率顯著高于顯著高于 Model 3/Y 數據來源：Troyteslike，國泰君安證券研究 數據來源：Troyteslike

52、，國泰君安證券研究 表表 5 5：截止截止 2023 年年 3 月，特斯拉北美地區用戶數量月，特斯拉北美地區用戶數量已已突破突破 40 萬萬 截止截止日期日期 特斯拉特斯拉公布的公布的FSD北美地區用戶數量北美地區用戶數量 2021 年 12 月 6 萬 2022 年 3 月 10 萬 2022 年 9 月 16 萬 2022 年 12 月 28.5 萬 2023 年 3 月 40 萬 資料來源：特斯拉、國泰君安證券研究 FSD 技術技術將將延伸應用至特斯拉延伸應用至特斯拉人形人形機器人機器人 Optimus。2021 年 8 月，特斯拉在 AI 日上發布人形機器人概念圖及視頻，宣布特斯拉通用

53、機器人計劃。2022 年 9 月 AI 日特斯拉 Optimus 原型機首次現身，特斯拉人形機器人正加速推進。與自動駕駛汽車一樣，人型機器人同樣需要具備環境感知、道路規劃、障礙物躲避等能力，FSD 技術的深厚積累將幫助特斯拉在人形機器人領域建立領先優勢。0.0%2.0%4.0%6.0%8.0%10.0%12.0%14.0%16.0%2021 Q32021 Q42022 Q12022 Q22022 Q3Asia-PacificEuropeNorth AmericaGlobal0.0%10.0%20.0%30.0%40.0%50.0%60.0%2021 Q32021 Q42022 Q12022 Q

54、22022 Q3Model 3Model YModel S/XAll models 行業專題研究行業專題研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 18 of 20 圖圖 3232：FSD 技術將延伸應用至特斯拉人形機器人技術將延伸應用至特斯拉人形機器人 數據來源：特斯拉 2.投資建議投資建議 我們認為特斯拉我們認為特斯拉 FSD 的逐步成熟與推廣有望提升消費者對于自動駕駛的逐步成熟與推廣有望提升消費者對于自動駕駛技術的技術的認可度，進而帶動高階智能駕駛需求增長認可度，進而帶動高階智能駕駛需求增長。未來。未來 FSD 有望進入有望進入國內，國內，成為成為國內其他車企

55、自動駕駛方案強有力的競爭者，國內其他車企自動駕駛方案強有力的競爭者，國內國內自動駕駛自動駕駛高地的角逐高地的角逐將愈發激烈，有利于自動駕駛行業將愈發激烈，有利于自動駕駛行業發展發展蓬勃向上蓬勃向上，建議關注，建議關注自動駕駛產業鏈投資機會自動駕駛產業鏈投資機會。投資建議：投資建議：自動駕駛功能可分為感知、決策、執行三大模塊自動駕駛功能可分為感知、決策、執行三大模塊。其中感知模塊是自動駕駛車輛的“眼睛”，主要任務即通過各種傳感器（攝像頭、毫米波雷達、激光雷達等）獲取車輛周圍信息，并將其轉為數字信號傳輸給車載計算機。決策模塊是自動駕駛車輛的“大腦”，主要任務即通過機器學習、深度學習、神經網絡等算法

56、對感知到的信息進行分析，并據此預測移動障礙物的行進路線，并規劃出最優的行車策略，發出行車指令。執行模塊是自動駕駛車輛的“四肢”，主要任務即根據生成的行車指令通過控制單元實現車輛的啟停、加減速、避讓、轉向、制動等操作。自動駕駛行業的快速發展將帶來上述三大模塊對應標的的投資機會。決策層推薦標的：決策層推薦標的：德賽西威、科博達、均勝電子、華陽集團，受益標的經緯恒潤；執行層推薦標的：執行層推薦標的：伯特利、拓普集團、星宇股份、華域汽車；感知層推薦標的：感知層推薦標的：保隆科技、華依科技，受益標的聯創電子；整車推薦整車推薦標的：標的：江淮汽車、理想汽車、長安汽車、比亞迪、長城汽車，受益標的賽力斯。表表

57、 6：重點公司盈利與估值表：重點公司盈利與估值表 股票代碼股票代碼 股票名稱股票名稱 收盤價（收盤價（12.1）PE EPS 評級評級 2022A 2023E 2024E 2022A 2023E 2024E 603197.SH 保隆科技 58.4 58.4 32.4 24.3 1 1.8 2.4 增持 603596.SH 伯特利 79.0 46.4 32.9 22.6 1.7 2.4 3.5 增持 002906.SZ 華陽集團 34.5 43.1 38.3 28.8 0.8 0.9 1.2 增持 600741.SH 華域汽車 17.3 7.5 6.9 6.0 2.3 2.5 2.9 增持 60

58、3786.SH 科博達 73.6 66.9 43.3 32.0 1.1 1.7 2.3 增持 601799.SH 星宇股份 144.4 43.8 37.0 27.8 3.3 3.9 5.2 增持 行業專題研究行業專題研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 19 of 20 002920.SZ 德賽西威 128.8 58.6 47.7 35.8 2.2 2.7 3.6 增持 601689.SH 拓普集團 72.5 48.3 32.9 23.4 1.5 2.2 3.1 增持 000625.SZ 長安汽車 19.2 24.0 17.6 19.8 0.8 1.1 1.0

59、 增持 002594.SZ 比亞迪 197.1 34.6 18.4 12.1 5.7 10.7 16.3 增持 601633.SH 長城汽車 26.5 29.5 30.8 23.1 0.9 0.9 1.2 增持 600699.SH 均勝電子 19.4 64.8 18.5-0.3 1.05-增持 688071.SH 華依科技 52.7 105.3 65.8 29.3 0.5 0.8 1.8 增持 600418.SH 江淮汽車 17.3-24.7 172.7 86.4-0.7 0.1 0.2 增持 2015.HK 理想汽車-W 146.6-增持 數據來源：Wind，國泰君安證券研究。理想汽車單位為

60、港元，其余公司對應單位為人民幣元。3.風險提示風險提示 1、汽車智能化發展不及預期的風險、汽車智能化發展不及預期的風險 高級別自動駕駛技術的進化依賴于新技術的應用，若后續技術發展遭遇瓶頸，自動駕駛技術進化速度將受限。2.芯片短缺的風險芯片短缺的風險 自動駕駛核心底層算力硬件為高端 SOC 芯片，目前十分依賴進口，若高端 SOC 芯片供應能力出現問題，將對國內自動駕駛行業發展產生較大影響。3.匯率與貿易摩擦的風險匯率與貿易摩擦的風險 自動駕駛核心底層算力硬件為高端 SOC 芯片，目前國內十分依賴進口，若未來貿易摩擦升級，供應鏈或產生風險，進而對行業發展產生不利影響。此外，匯率波動會對產業鏈相關公

61、司的盈利能力產生一定影響。行業專題研究行業專題研究 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 20 of 20 本公本公司具有中國證監會核準司具有中國證監會核準的證券投資的證券投資咨詢咨詢業務資格業務資格 分析師聲明分析師聲明 作者具有中國證券業協會授予的證券投資咨詢執業資格或相當的專業勝任能力，保證報告所采用的數據均來自合規渠道，分析邏輯基于作者的職業理解，本報告清晰準確地反映了作者的研究觀點，力求獨立、客觀和公正，結論不受任何第三方的授意或影響，特此聲明。免責聲明免責聲明 本報告僅供國泰君安證券股份有限公司（以下簡稱“本公司”）的客戶使用。本公司不會因接收人收到本報

62、告而視其為本公司的當然客戶。本報告僅在相關法律許可的情況下發放，并僅為提供信息而發放，概不構成任何廣告。本報告的信息來源于已公開的資料，本公司對該等信息的準確性、完整性或可靠性不作任何保證。本報告所載的資料、意見及推測僅反映本公司于發布本報告當日的判斷，本報告所指的證券或投資標的的價格、價值及投資收入可升可跌。過往表現不應作為日后的表現依據。在不同時期，本公司可發出與本報告所載資料、意見及推測不一致的報告。本公司不保證本報告所含信息保持在最新狀態。同時，本公司對本報告所含信息可在不發出通知的情形下做出修改，投資者應當自行關注相應的更新或修改。本報告中所指的投資及服務可能不適合個別客戶，不構成客

63、戶私人咨詢建議。在任何情況下，本報告中的信息或所表述的意見均不構成對任何人的投資建議。在任何情況下，本公司、本公司員工或者關聯機構不承諾投資者一定獲利，不與投資者分享投資收益，也不對任何人因使用本報告中的任何內容所引致的任何損失負任何責任。投資者務必注意，其據此做出的任何投資決策與本公司、本公司員工或者關聯機構無關。本公司利用信息隔離墻控制內部一個或多個領域、部門或關聯機構之間的信息流動。因此，投資者應注意，在法律許可的情況下，本公司及其所屬關聯機構可能會持有報告中提到的公司所發行的證券或期權并進行證券或期權交易，也可能為這些公司提供或者爭取提供投資銀行、財務顧問或者金融產品等相關服務。在法律

64、許可的情況下，本公司的員工可能擔任本報告所提到的公司的董事。市場有風險，投資需謹慎。投資者不應將本報告作為作出投資決策的唯一參考因素，亦不應認為本報告可以取代自己的判斷。在決定投資前，如有需要，投資者務必向專業人士咨詢并謹慎決策。本報告版權僅為本公司所有，未經書面許可，任何機構和個人不得以任何形式翻版、復制、發表或引用。如征得本公司同意進行引用、刊發的，需在允許的范圍內使用，并注明出處為“國泰君安證券研究”，且不得對本報告進行任何有悖原意的引用、刪節和修改。若本公司以外的其他機構（以下簡稱“該機構”）發送本報告，則由該機構獨自為此發送行為負責。通過此途徑獲得本報告的投資者應自行聯系該機構以要求

65、獲悉更詳細信息或進而交易本報告中提及的證券。本報告不構成本公司向該機構之客戶提供的投資建議，本公司、本公司員工或者關聯機構亦不為該機構之客戶因使用本報告或報告所載內容引起的任何損失承擔任何責任。評級說明評級說明 評級評級 說明說明 1.1.投資建議的比較標準投資建議的比較標準 投資評級分為股票評級和行業評級。以報告發布后的 12 個月內的市場表現為比較標準，報告發布日后的 12 個月內的公司股價（或行業指數）的漲跌幅相對同期的滬深 300 指數漲跌幅為基準。股票投資評級股票投資評級 增持 相對滬深 300 指數漲幅 15%以上 謹慎增持 相對滬深 300 指數漲幅介于 5%15%之間 中性 相

66、對滬深 300 指數漲幅介于-5%5%減持 相對滬深 300 指數下跌 5%以上 2.2.投資建議的評級標準投資建議的評級標準 報告發布日后的 12 個月內的公司股價（或行業指數）的漲跌幅相對同期的滬深300 指數的漲跌幅。行業投資評級行業投資評級 增持 明顯強于滬深 300 指數 中性 基本與滬深 300 指數持平 減持 明顯弱于滬深 300 指數 國泰君安證券研究國泰君安證券研究所所 上海上海 深圳深圳 北京北京 地址 上海市靜安區新閘路 669 號博華廣場20 層 深圳市福田區益田路 6003 號榮超商務中心 B 棟 27 層 北京市西城區金融大街甲 9 號 金融街中心南樓 18 層 郵編 200041 518026 100032 電話（021）38676666（0755）23976888（010）83939888 E-mail：